1. Проблема оптимизации управления цепью поставок

Различают материальные, финансовые, трудовые, энергетические ресурсы, ресурсы времени, информационные, интеллектуальные и другие виды ресурсов. При построении и анализе ЛС в основном оперируют материальными, финансовыми и трудовыми ресурсами, но это не значит, что другие виды ресурсов для решения конкретной задачи игнорируются. Для облегчения проектирования, планирования, анализа и контроля ЛС часто стремятся свести все измерители ресурсов к одному — например, денежному. Однако это не всегда удается сделать из-за отсутствия методов оценки некоторых видов ресурсов в денежном выражении. Поэтому при оценке эффективности использования ресурсов в ЛС применяются несколько показателей, в совокупности отражающих уровень потребления ресурсов.

Как следует из определения логистики, ее основной задачей является оптимизация ресурсов при управлении основными и сопутствующими потоками в ЛС.

Под оптимизацией понимается процесс нахождения экстремумов (глобального максимума или минимума), которые могут быть оценены как лучшие значения (показатели) определенной целевой функции или выбор наилучшего (оптимального) варианта из множества возможных.

У любой фирмы ресурсы для ведения бизнеса, достижения стратегических, тактических или оперативных целей ограниченны. Поэтому задача оптимизации ресурсов в ЛС может быть сформулирована двояко:

1. При ограниченных ресурсах добиться глобального максимума векторной целевой функции (системы плановых показателей) ЛС.

2. При запланированных значениях показателей ЛС добиться совокупного минимума используемых ресурсов.

Оптимизация ресурсов фирмы в логистическом процессе и выборе вариантов решений заключается в выборе показателей, отражающих эффективность ЛС, системы измерителей потребляемых ресурсов и способов оптимизации (вариантов решений при управлении потоками в ЛС).

Стремясь оптимизировать ресурсы в ЛС, компании сталкиваются с многочисленными проблемами, связанными со следующими факторами:

взаимозаменяемостью ресурсов;

многокритериальным характером большинства задач оптимизации ЛС;

нелинейным характером зависимости использования одного ресурса от других;

сложностью формализованного описания использования ресурсов, параметров оптимизации, целевых функций;

неоднозначным выбором системы измерителей для оценки использования ресурсов;

стохастическим и динамическим характером большинства параметров оптимизации и целевой функции;

сложностью, большой размерностью и слабой формализуемостью объектов и процессов в ЛС;

сложностью моделирования объектов и процессов в ЛС;

влиянием большого числа стохастических факторов окружающей среды на функционирование ЛС;

высоким уровнем неопределенности и рисков в ЛС и т.п.

Поэтому практические задачи оптимизации ресурсов в логистических системах должны решаться с помощью информационно-компьютерной поддержки в рамках корпоративной информационно-управляющей системы фирмы при наличии достаточно мощных средств моделирования (например, методологии SADT, технологий динамического моделирования сложных объектов CASE и CALS) и решений по оптимизации (например, в рамках систем MRP II/ERP) в условиях большой размерности и высокого уровня неопределенности.

Оптимизация ресурсов может осуществляться на разных уровнях иерархии ЛС, например в рамках функциональной области, подсистемы, ЗЛС, отдельной логистической функции и т.д. Одновременно должен быть выполнен принцип глобальной оптимизации, т.е. локальные критерии оптимизации и принимаемые на их основе решения не должны противоречить глобальному оптимуму ЛС в целом.

Указанные факторы предопределяют необходимость использовать один из основополагающих методологических принципов для анализа и синтеза ЛС, а именно: системный подход. Методы системного подхода (анализа) являются наиболее действенными и эффективными при решении сложных проблем оптимизации ресурсов, структуры и методов принятия решений в ЛС.

Эффективность производственно-коммерческой деятельности в значительной степени определяется качеством решений, повседневно принимаемым менеджерами разного уровня. В связи с этим большое значение приобретают задачи совершенствования процессов принятия логистических решений, решить которые позволяет исследование операций. Термин «исследование операций» впервые начал использоваться в 1939-1940 гг. в военной области. К этому времени военная техника и ее управление принципиально усложнилось вследствие научно-технической революции. И поэтому к началу Второй мировой войны возникла острая необходимость проведения научных исследований в области эффективного использования новой военной техники, количественной оценки и оптимизации принимаемых командованием решений. В послевоенный период успехи новой научной дисциплины были востребованы в мирных областях: в промышленности, предпринимательской и коммерческой деятельности, в государственных учреждениях, в учебных заведениях.

Исследование операций – это методология применения математических количественных методов для обоснования решений задач во всех областях целенаправленной человеческой деятельности. Методы и модели исследования операций позволяют получить решения, наилучшим образом отвечающие целям организации.

Основной постулат исследования операций состоит в следующем: оптимальным решением (управлением) является такой набор значений переменных, при котором достигается оптимальное (максимальное или минимальное) значение критерия эффективности (целевой функции) операции и соблюдаются заданные ограничения. Предметом исследования операций в логистике являются задачи принятия оптимальных решений в логистической системе с управлением на основе оценки эффективности ее функционирования.

Рассмотрим основные методы исследования операций, позволяющие находить наиболее эффективные решения при планировании и реализации интеграционных процессов.

Математическое программирование ("планирование") – это раздел математики, занимающийся разработкой методов отыскания экстремальных значений функции, на аргументы которой наложены ограничения. Методы математического программирования широко используются для решения распределительных задач.

Линейное программирование (ЛП) – является наиболее простым и лучше всего изученным разделом математического программирования. В нем рассматриваются задачи, у которых показатель оптимальности представляет собой линейную функцию от переменных задачи, а ограничительные условия, налагаемые на возможные решения, имеют вид линейных равенств или неравенств. Соответственно нелинейное программирование рассматривает задачи с нелинейными целевыми функциями и ограничениями.

Задачи, решаемые с помощью сетевого моделирования (теория графов), могут быть сформулированы и решены методами линейного программирования, но специальные сетевые алгоритмы позволяют решать их более эффективно. Примеры: задачи нахождения кратчайшего пути, критического пути, максимального потока, минимизации стоимости потока в сети с ограниченной пропускной способностью и др.

Целевое программирование представляет собой методы решения задач линейного программирования с несколькими целевыми функциями, которые могут конфликтовать друг с другом.

Целочисленное линейное программирование используется для решения задач, у которых все или некоторые переменные должны принимать целочисленные значения.

Динамическое программирование предполагает разбиение задачи на несколько этапов, каждый из которых представляет собой подзадачу относительно одной переменной и решается отдельно от других подзадач.

Аппарат теории вероятностей используется во многих задачах исследования операций, например, для прогнозирования(регрессионный и корреляционный анализ), вероятностного управления запасами, моделирования систем массового обслуживания, имитационного моделирования и др.

Методы моделирования и прогнозирования временных рядов позволяют выявить тенденции изменения фактических значений параметра Y во времени и прогнозировать будущие значения Y.

Теория игр и принятия решений рассматривает процессы выбора наилучшей из нескольких альтернатив в ситуациях определенности (данные известны точно), в условиях риска (данные можно описать с помощью вероятностных распределений), в условиях неопределенности (вероятностное распределение либо неизвестно, либо не может быть определено).

Методы и модели теории нечетких множеств позволяют в математической форме представить и использовать для принятия решений субъективную словесную экспертную информацию: предпочтения, правила, оценки значений количественных и качественных показателей.